Écart Type avec Python
La première fonction provient de numpy, et la seconde méthode provient de pandas. Consultez l'exemple de calcul de l'écart type pour work_year :
123456789101112import pandas as pd import numpy as np df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/update/ds_salaries_statistics', index_col = 0) # Calculate the standard deviation using the function from the NumPy library std_1 = np.std(df['salary_in_usd']) # Calculate the standard deviation using the function from the pandas library std_2 = df['salary_in_usd'].std() print('The standard deviation using NumPy library is', round(std_1, 2)) print('The standard deviation using pandas library is', round(std_2, 2))
Tout était clair ?
Merci pour vos commentaires !
Section 3. Chapitre 5
Demandez à l'IA
Demandez à l'IA
Posez n'importe quelle question ou essayez l'une des questions suggérées pour commencer notre discussion
Suggested prompts:
What is the difference between the standard deviation calculated by NumPy and pandas?
Can you explain why the results from NumPy and pandas might differ?
How does the standard deviation help in understanding the salary data?
Awesome!
Completion rate improved to 2.63Écart Type avec Python
Glissez pour afficher le menu
La première fonction provient de numpy, et la seconde méthode provient de pandas. Consultez l'exemple de calcul de l'écart type pour work_year :
123456789101112import pandas as pd import numpy as np df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/update/ds_salaries_statistics', index_col = 0) # Calculate the standard deviation using the function from the NumPy library std_1 = np.std(df['salary_in_usd']) # Calculate the standard deviation using the function from the pandas library std_2 = df['salary_in_usd'].std() print('The standard deviation using NumPy library is', round(std_1, 2)) print('The standard deviation using pandas library is', round(std_2, 2))
Tout était clair ?
Merci pour vos commentaires !
Section 3. Chapitre 5
